医学图割方法

写这篇文章，主要是为了给自己来个总结，也方便以后自己回顾，顺便和大家一起学习。
  随着医院图像的数量大量增加，用电脑进行图像的处理和分析成了一种必要，图像分割领域的方法也很多，各有优异，今天来说说医学图像分割常用的各种方法吧。

  我们将分割的方法分为8类：（1）阈值分割 （2）区域增长  （3）分类器   （4）聚类方法   （5）马尔科夫随机场模型   （6）人工神经网络   （7）可变形模型   （8）图谱引导算法。在这些方法中，基于像素分类的方法有阈值分割、分类器、聚类和马尔科夫随机场方法。

  下面我们再来大概的了解下这些方法：

   1、阈值分割（Thresholding）
  原理：阈值分割法是一种基于区域的图像分割技术。简单来说，就是通过设定不同的特征阈值，把图像象素点分为若干类。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域布局有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现，例如在图像的灰度直方图上选取一个值作为阈值，灰度值小于这个阈值的一部分像素点作为一个类，灰度值大于这个阈值的像素点作为另一个类。

  优点：阈值分割计算简单、运算效率较高、速度快，它特别适用于目标和背景占据不同灰度级范围的图像。在重视运算效率的应用场合(如用于硬件实现)，它得到了广泛应用。在医学应用中，有血液细胞图像的分割、磁共振图像的分割。